“贾浩文”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]基于冲击振动的隧道衬砌结构二维变形识别方法-CN202310881130.X在审
发明人：周立明;王代利;张立平;徐飞;谢铠泽;姜雨秋;赵维刚;贾浩文;刘新宇;陈吴迪 -专利权人：石家庄铁道大学
申请日： 2023-07-18 - 公布日： 2023-10-27 - 主分类号： G01M5/00 文献下载
摘要：本发明公开了一种基于冲击振动的隧道衬砌结构二维变形识别方法，属于隧道衬砌结构测试技术领域，通过单参考点冲击振动测试采集衬砌结构的激励荷载与二轴加速度响应，投影变换得到横、竖向加速度响应数据，利用改进的复模态指示函数算法识别衬砌结构竖向和横向的模态参数，通过构造二维空间的增强频响函数进一步识别衬砌结构的竖向及横向位移振型缩放系数，并构造衬砌结构二维空间的位移柔度矩阵。单参考点冲击振动测试相较传统多参考点冲击振动测试减少了测试成本，提高了测试效率；本发明将一维柔度识别改进为二维空间的柔度识别；基于求得的二维空间的位移柔度矩阵准确识别了衬砌结构的位移变形。
基于冲击振动隧道衬砌结构二维变形识别方法

[发明专利]一种基于差分演化算法的QMIX超网络参数优化方法及装置-CN202211666372.9在审
发明人：曹子建;李骁;傅妍芳;贾浩文;郭瑞麒;胡秀华 -专利权人：西安工业大学
申请日： 2022-12-23 - 公布日： 2023-04-14 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于差分演化算法的QMIX超网络参数优化方法及装置，包括：构建QMIX超网络模型；其中，QMIX超网络模型包含单智能体DRQN网络用于根据每个智能体的当前动作和观测序列信息生成每个智能体对应的Q值，超网络用于根据当前环境的状态信息输出联合Q值网络的网络参数，联合Q值网络用于根据联合Q值网络的网络参数和每个智能体对应的Q值输出最终的联合Q值；根据超网络输出的联合Q值网络的网络参数构建个体，采用差分演化算法根据构建的个体优化联合Q值网络的网络参数，根据优化后的联合Q值网络的网络参数优化整体QMIX超网络模型的网络参数。本发明对多智能体系统行为决策提供指导，效率高且全局回报高。
一种基于演化算法 qmix 网络参数优化方法装置

[发明专利]一种用于图像样本攻击的扰动像素生成方法-CN202210074528.8在审
发明人：曹子建;李骁;傅妍芳;贾浩文;杜志强;容晓峰 -专利权人：西安工业大学
申请日： 2022-01-21 - 公布日： 2022-06-07 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种用于图像样本攻击的扰动像素生成方法，包括：步骤1：选取图像样本，获取图像样本的像素点；步骤2：采用二进制对每个像素点进行编码得到相应的像素个体编码，初始化得到初始的概率模型，生成初始种群；步骤3：计算得到种群中每个像素个体的适应度值，并对其从小到大排序，得到该种群的适应度值向量，判断最小的适应度值是否满足扰动成功的条件；步骤4：若满足，则选取最小的适应度值对应的像素个体作为图像样本的最佳扰动像素；若不满足，则选择前k％的像素个体，并利用轮盘赌法更新概率模型并生成新的种群，之后重复步骤3。本发明方法可以高效、快速生成扰动图像达到检测深度神经网络安全漏洞的目的。
一种用于图像样本攻击扰动像素生成方法

[发明专利]一种基于差分演化的智能体训练方法-CN202111333491.8在审
发明人：曹子建;贾浩文;傅妍芳;容晓峰;杜志强;王振雨;李骁;李建 -专利权人：西安工业大学
申请日： 2021-11-11 - 公布日： 2022-02-18 - 主分类号： G06N3/12 文献下载
摘要：本发明涉及一种基于差分演化的智能体训练方法，包括：随机初始化Q表参数，得到若干Q表，若干Q表构成初始演化种群，其中，一个Q表作为种群中的一个个体；对初始演化种群进行差分演化操作，得到新一代Q表种群，并将新一代Q表种群作为下一代的初始演化种群重复差分演化操作，直至达到预设的演化条件，得到最终Q表种群；利用预设的适应度函数对最终Q表种群中每个个体进行评价，输出最优个体；对最优个体进行强化学习训练，得到智能体。本发明的智能体训练方法，首先，采用演化算法得到最优Q表，然后，基于该最优Q表进行强化学习训练，进而在智能体训练过程中，加快了收敛速度，减少了训练所需的时间资源，提高了智能体训练的即时性。
一种基于演化智能训练方法

[发明专利]一种基于DQN的智能体训练方法-CN202111334941.5在审
发明人：曹子建;贾浩文;傅妍芳;容晓峰;杜志强;王振雨;李骁;李建 -专利权人：西安工业大学
申请日： 2021-11-11 - 公布日： 2022-02-18 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于DQN的智能体训练方法，包括：随机初始化DQN网络的网络参数，得到若干初始DQN网络；将每个初始DQN网络的所有网络参数，映射得到一个个体，所有个体构成初始种群；对初始种群进行差分演化操作，得到新一代网络参数种群，并将新一代网络参数种群作为下一代的初始种群重复差分演化操作，直至达到预设的演化条件，得到最终网络参数种群；利用预设的适应度函数对最终网络参数种群中每个个体进行评价，输出最优个体的信息；根据最优个体的信息初始化DQN网络的网络参数；对参数初始化的DQN网络进行训练，得到智能体。本发明的方法，在DQN训练过程中，加快了执行效率，减少了训练所需的时间资源，提高了游戏问题中智能体训练的即时性。
一种基于 dqn 智能训练方法